- 相关博文
- 最新资讯
-
智源消息，国际电气和电子工程师协会（IEEE）虽未官方公布，但 2021年新晋 Fellow 名单已出。在新增名单中共有 282 位学者入选，其中华人学者 75 位（占总人数的26.6%...
-
- BAAIBeijing
- 2020年11月25日
-
-
首先介绍一下自己吧，双非大学硕士研究生毕业，这次秋招共投了5家公司，分别是腾讯、网易、字节跳动、作业帮和美团点评，腾讯是3面挂了，字节跳动是4面挂了，拿到了网易、美团、作业帮3个offer，最后选择去美团，而事实也证明，自己这次选择并没有错。特分享一下自己这次美团的4面真题，需要答案的直接私信我。美团点评一面算法题：矩阵走路，顺时针一层层往里走，不重复格子，直到到达中心点。redis怎么处理高并发，几种思路redis实现原理mysql索引优化思路你的mysql存储很大数据量怎么解决，思路gc
-
- 再下秃头，有何贵干
- 昨天
-
-
2021华大新高考联盟广东卷试题及参考答案汇总（2021届A10联盟）1号卷·A10联盟2021届高三上学期11月段考语文试题及参考答案（2021届A10联盟）1号卷·A10联盟2021届高三上学期11月段考文数试题及参考答案（2021届A10联盟）1号卷·A10联盟2021届高三上学期11月段考理数试题及参考答案（2021届A10联盟）1号卷·A10联盟2021届高三上学期11月段考理试题及参考答案（2021届A10联盟）1号卷·A10联盟2021届高三上学期11月段考化学试题及参考答案（20
-
- 一只韭菜的自我修养�
- 前天
-
-
文章目录基本原理PWM是如何实现？分类程序实现总结基本原理PWM的全称是脉冲宽度调制（Pulse-width modulation），是通过将有效的电信号分散成离散形式从而来降低电信号所传递的平均功率的一种方式；所以根据面积等效法则，可以通过对改变脉冲的时间宽度，来等效的获得所需要合成的相应幅值和频率的波形；具体如下图所示；由上图可知，脉冲宽度调制使用一个脉冲宽度会被调制的方波，并且波型的平均值会有所变化。如果我们考虑一个周期为 T{\displaystyle T}T 的脉冲波 f(t){\.
-
- 小麦大叔
- 前天
-
-
来自『央视新闻』 编辑 / 昱良9月18日，华为发布全球最快AI训练集群——Atlas 900。这款AI产品，取名自古希腊神话中的擎天巨神。它有什么特别之处？真能“擎天”...
-
- 机器学习算法与Python学习-公众号
- 2019年09月20日
-
-
关于程序员，除了做项目来提高自身的技术之外，还有一种提升自己的专业技能就是：多！看！书！入职阿里到现在已经5年了，工作压力大，节奏快，从刚开始的P6到现在的P8 技术上确实得到了成长，尤其是当你维护与大促相关的系统的时候，熬到P8也费了不少心思，小编也是个爱学习的人，把这几年的工作经验整理成了一份完整的笔记。此笔记已助多位朋友拿到腾讯，阿里，美团等多个offer。包含基础知识、Java集合、JVM、多线程并发、spring原理、微服务、Netty 与RPC 、Kafka、日记、设计模式、Java算法、数
-
- 爱码士人员
- 2020年11月24日
-
-
最近很多粉丝问我有没有最新的面试题？于是，我就把我见过的以及遇到过的，还有根据读者反馈的大厂面试真题，进行了汇总整理。于是就有了这份《Java大厂面试题合集》，并且按照细分了41个方向。点击即可免费获取高频面试合集题库非常全面包括Java基础、Java异常、Spring、SpirngMVC、MyBatis、SpringBoot、SpringCloud、BIO、NIO、AIO、Netty、Tomcat、Redis、MySQL、Memcache、ElasticSearch、zookee.
-
- Java架构俱乐部
- 前天
-
-
激光标记阴影轮廓生成Laser is an important invention in the 20th century, and it is called “the sharpest knife”, “themost accurate ruler” and “the most unearthly light”. Laser has been increasingly applied toindustrial processing, which can be employed in various
-
- Cierlly
- 前天
-
-
前言我个人从 2010 年开始在 CSDN 写博客，坚持了十年， 创业 则已近五年，经历且看过很多的人和事，但看到这一篇篇透露着面经作者本人的那股努 力、那股不服输的劲的面经的时候，则让我倍感励志。比如“双非渣本三年 100 次面试经历精选：从最初 iOS 前端到转型面机器学习” 这篇面经，便让我印象非常深刻。在佩服主人公毅力和意志的同时，也对他愿意分享对 众多人有着非常重要参考价值和借鉴意义的成功经验倍感欣慰。当然，类似的面经远远不止于此，我们后来整理出了100篇面经，汇总成册为《名企 AI 面经
-
- v_JULY_v
- 2020年11月23日
-
-
本文将会分享近期发布的七大GitHub机器学习项目。这些项目广泛覆盖了机器学习的各个领域，包括自然语言处理（NLP）、计算机视觉、大数据等。最顶尖的Github机器学习项...
-
- 机器学习算法与Python学习-公众号
- 2019年09月20日
-
-
面试是找工作的必修课，在这短短的几十分钟里，不仅要让面试官认可你的专业能力，而且还有你的人品特点以及职业方向。这样我们在回答面试官问题的时候就需要一些语言技巧来包装自己，这对那些不善言语的程序员尤为重要，会直接影响你的薪资。我为大伙新整理了一份面试复习资料，希望可以帮到你们。包括：基础、数据库、网络协议、Linux系统、计算机原理等等相关知识点...在此分享我整理的Java后端技术复习面经PDF，适合开发1到5年以上的朋友参考学习，内容包括（基础、数据库、网络协议、Linux系统、JVM、并发、分
-
- 热衷技术的Java程序员
- 前天
-
-
**训练代码链接: link.安装libtorch首先从官网下载libtorch下载对应cuda版本的libtorch，由于官网只有1.7版本，我采用的是pytorch1.6+libtorch1.6+cuda10.2的组合，这里给出libtorch1.6的下载链接https://download.pytorch.org/libtorch/cu102/libtorch-win-shared-with-deps-1.6.0.zip。下载完解压至相应的文件夹。把libtorch的lib文件夹添加到环境变
-
- viwaw
- 昨天
-
-
本文将介绍由腾讯与欧洲顶级农业大学 WUR（荷兰瓦赫宁根大学）共同举办的第二届“国际智慧温室种植大赛”预赛情况。9月20日，腾讯与欧洲顶级农业大学 WUR（荷兰瓦赫宁根大...
-
- 腾讯技术工程
- 2019年09月20日
-
-
史上最全Fiddler工具使用介绍一、Fiddler简介Fiddler是位于客户端和服务器端的HTTP代理，是目前最常用的HTTP抓包工具之一，功能非常，非常，非常的强大，是web调试的利器监控浏览器所有的HTTP/HTTPS流量查看、分析请求内容细节伪造客户端请求和服务器响应测试网站的性能解密HTTPS的web会话全局、局部断点功能第三方插件二、使用场景接口调试、接口测试、线上环境调试、web性能分析判断前后端bug、开发环境hosts配置、mock、弱网断网代码如下（示
-
- 謹言
- 昨天
-
-
k-means是属于机器学习里面的非监督学习，通常是大家接触到的第一个聚类算法，其原理非常简单，是一种典型的基于距离的聚类算法。聚类算法中，将相似的数据划分为一个集合，一个集合称为一个簇。 k-means（k均值）聚类，之所以称为 k均值，是因为它可以发现k个簇，且每个簇的中心采用簇中所含值的均值计算而成。本实训项目将基于Python语言搭建出一个k-means模型，并基于sklean实现对红酒数据进行聚类。距离度量#encoding=utf8 import numpy as npdef
-
- 川师King
- 前天
-
-
在SIGCOMM的众多研究方向中，传输协议TCP优化是一个经典的课题，与TCP优化相关的工作必须达到一个极高的“阈值”才可能被录用。笔者论文“TACK: Improving Wireless Transport Performance by Taming Acknowledgments”作为传输协议方向的文章成功入围，多年苦心钻研没有白费，努力有被看到，不禁备感幸运。今天给大家简单地对文章进行简单解析，算作导读。进入正题。TACK技术背景：无线网络干扰难题作为万物互联 “最后100米”的通信网络技术，
-
- superlitong
- 前天
-
-
本文由『机器之心』授权转载参编辑 / 昱良链接：https://arxiv.org/pdf/1908.08847.pdf时尚电子商务平台通过搜索和个性化来简化服装购买。可...
-
- 机器学习算法与Python学习-公众号
- 2019年09月19日
-
-
邻居Day²是个聪明又刻苦的程序猿。近半年被Day²这小子天天营销洗脑，就说他们做的π-Disk派盘如何牛！如何天上有地下无。我理解说白了就是拿自己的电脑DIY一个私有云呗，貌似PC版的NAS（Network Attached Storage网络附属存储），只是功能确实强大了不少。终于双十一被拉下水，左邻右舍一起团购了一把。否则Day²这娃说我们这帮老家伙还不如川建国拜振华呢？！感叹，我的老苹果MacBook自豪地插上了派盘的小红旗????????！可就在同时隔壁老王就叫嚷开了，说被Day²骗了
-
- 穿越派
- 昨天
-
-
数字水印技术作为信息隐藏技术的一种，不可见性和鲁棒性是它的两个主要特点，通常在水印嵌入时需要确定水印的嵌入量，来平衡不可见性和鲁棒性之间的关系，若嵌入量过小，不可见性好而鲁棒性差，若嵌入量过大，则不可见性差而鲁棒性强，嵌入量最佳的取值可以通过遗传算法来确定，现在常用的有蚁群算法，果蝇算法，粒子群算法等等。对于不可见性，我们可以直观地用视觉来判断，而对于鲁棒性，我们无法直接的判断一个水印算法的鲁棒性强弱，需要进行一系列的攻击测试，来判断其鲁棒性。下面，我将介绍数字水印常见的几种攻击类型，分别从理论，代码和实例
-
- LLLLnannan
- 昨天
-
-
以《神雕侠侣》为例，我们制作词云，看看有哪些高频词汇。1. 导入一些包# -*- coding:utf-8 -*-# @Python Version: 3.7# @Time: 2020/11/27 19:32# @Author: Michael Ming# @Website: https://michael.blog.csdn.net/# @File: word_cloud.py# @Reference: import jiebaimport numpy as npfrom PIL
-
- Michael阿明
- 昨天
-
-
目标检测是计算机视觉中的一个重要问题，近年来传统检测方法已难以满足人们对目标检测效果的要求，随着深度学习在图像分类任务上取得巨大进展，基于深度学习的目标检测算法逐渐成为主流。
-
基于轮廓调整的SOTA实例分割方法，速度达32.3fps | CVPR 2020
实例分割是许多计算机视觉任务中的重要手段，目前大多数的算法都采用在给定的bbox中进行pixel-wise分割的方法。受snake算法和Curve-GCN的启发，论文采用基于轮廓的逐步调整策略，提出了Deep snake算法进行实时实例分割，该算法将初始轮廓逐渐优化为目标的边界，如图1所示，达到很好的性能且依然保持很高的实时性(32.3fps) 。
-
64% 的企业未实现智能化，5成公司算法工程师团队规模小于 10人，AI 工程师的机遇在哪里？...
从就业的角度来看，由于算法工程化才是商业落地的核心关键，因此拥有扎实工程化能力的算法工程师更受青睐。另一方面，由于深度学习是以大数据为基础的，而感知智能中的计算机视觉又是目前深度学习较为成熟的应用，所以，机器学习和深度学习工程师，以及数据工程师、计算机视觉工程师成为热门岗位。
-
-
代替Mask R-CNN，BlendMask欲做实例预测任务的新基准？
实例分割是一种基础视觉任务。在今天要为大家介绍的工作中，作者通过有效地将实例级信息与具有较低级细粒度的语义信息结合起来，提升了掩码预测精度。本文的主要贡献是提出了一个Blender模块，该模块从自上而下和自下而上的实例分割方法中汲取了灵感。由于该方法简单且有效，作者希望本文的BlendMask可以作为各种实例预测任务的基准。
-
一般来说，基于树形结构的模型在Kaggle竞赛中是表现最好的，而其它的模型可以用于融合模型。对于计算机视觉领域的挑战，CNNs (Convolutional Neural Network, 卷积神经网络)是最适合不过的。而对于NLP（Natural Language Processing，自然语言处理），LSTMs或GRUs是最好的选择。下面是一个不完全模型细目清单，同时列出了每个模型的一些优缺点。
-
从LeNet到GoogLeNet：逐层详解，看卷积神经网络的进化
深度学习的兴起使卷积神经网络在计算机视觉方面大放异彩，本文将按时间和创新点顺序介绍一系列网络结构：LeNet、AlexNet、VGGNet、InceptionNet 与 ResNet。网络上大部分文章都只是草草讲述，本文小波仔仔细梳理，从问题的背景，网络结构，为什么设计这样的结构，参数数量各方面详细讲述CNN的进化之路。
-
在人工智能的发展越来越火热的今天，其中智能应用也在伴随着我们的生活，其中最具有代表性的便是图像识别，并且其中的应用比比皆是，如车站的人脸识别系统，交通的智能监控车牌号系统等等。而卷积神经网络作为图像识别的首选算法，对于图像的特征提取具有很好的效果，而TensorFlow作为Google的开源框架具有很好的结构化特征，而本篇文章将利用卷积神经网络算法对图像识别进行应用，开发出颜值评分器的功能。
-
在物体检测中的实验结果表明， 在使用更少的参数以及更低的计算花销的情况下，AttoNets 的效率与现有最优模型相当，并在准确率指标上大幅超越现有模型（与 MobileNet-V1相比，最小的 AttoNet 的准确率提升约 1.8%，使用的乘-加操作数和参数量减小了10倍）。另外，本文也在实例分割和物体探测应用中检测了 AttoNets 的效果，并发现与基于 ResNet-50 的 Mask R-Cnn 相比，通过使用基于 AttoNet的 Mask R-Cnn 网络，参数量和计算花销得到了大幅度降低（乘-加操作减少5倍，参数量减少2倍）。
-
十年公务员转行IT，自学AI三年，他淬炼出746页机器学习入门笔记
近期，梁劲传来该笔记重大更新的消息。《机器学习——从入门到放弃》这本笔记的更新没有停止，在基于上一版的基础上丰富了近 200 页计算机视觉领域的知识内容，目前最新版已达 746 页，累计下载近 8 万次。
-
从一张风景照中就学会的SinGAN模型，究竟是什么神操作？| ICCV 2019最佳论文
10 月 27 日-11 月 2 日，计算机视觉领域的顶级会议 International Conference on Computer Vision（ICCV）在首尔召开，10 月 29 日在大会上正式公布了最佳论文奖（Best Paper Award）由论文《SinGAN:从单张图像学习生成模型》（SinGAN: Learning a Generative Model from a Single Natural Image）获得，该论文介绍了一种无条件生成模型——SinGAN，它可以从单个自然图像中学习。该模型经过训练，可以捕获图像内斑块的内部分布，之后生成高质量、多样化的样本，视觉内容与原图像相同。用户研究证实，生成的样本通常可以假乱真，SinGAN 在各种图像处理任务中具有广泛的实用性。
-
ICCV 2019 | 中国研究者无缘最佳论文奖项，接收论文数量超美国，商汤57篇论文入选...
10 月 27 日-11 月 2 日，计算机视觉领域的顶级会议 International Conference on Computer Vision（ICCV）在首尔召开，10 月 29 日在大会上正式公布了最佳论文奖（Best Paper Award）由论文《SinGAN:从单张图像学习生成模型》（SinGAN: Learning a Generative Model from a Single Natural Image）获得，最佳学生论文奖（Best Student Paper Award）则由《PLMP——完整的多视图可见性中的点线最小问题》（PLMP——Point-Line Minimal Problems in Complete Multi-View Visibility）获得。
-
击败最新无监督域自适应方法，研究人员提轻量CNN新架构OSNet
这篇论文《Learning Generalisable Omni-Scale Representations for Person Re-Identification》是一篇关于行人再识别领域的新研究（Person Re-Identification , re-ID）。这篇论文中，作者们提出了一个新的CNN架构——OSNet，在实验效果方面，这一新模型架构击败了最新的无监督域自适应方法。
-
旷视张祥雨：高效轻量级深度模型的研究和实践 | AI ProCon 2019
在CSDN 主办的 2019 中国 AI 开发者大会（AI ProCon 2019）计算机视觉技术专题中，旷视研究院主任研究员、基础模型组负责人张祥雨主要从轻量级架构、模型裁剪、模型搜索三大思路讲述了高效轻量级深度模型的研究和实践。
-
推荐一篇前几天新出的投向TPAMI的论文：Imbalance Problems in Object Detection: A Review，作者详细考察了目标检测中的不平衡问题（注意不仅仅是样本中的不平衡问题）及其解决方案，是目标检测领域目前最新的也是非常独特的综述。
-
从服装关键点、信息检索、个性化推荐到智能试衣，电商AI技术如何进化？
近日，ICCV DeepFashion2 Challenge 2019公布了比赛结果，首次参赛的美图影像实验室MTlab凭借其在综合检测精度上的优势，以明显差距斩获服饰关键点估计（Landmark Estimation）赛道的冠军。DeepFashion2 Challenge此次共吸引18支国内外顶级技术团队参与，包括清华大学、阿里巴巴等知名企业及学术机构。
-
此前据传旷视融资额或高达 10 亿美元。CV 智识曾于今年 7 月份独家报道过当时旷视正谋求同股不同权赴港上市，且距离上市已非常接近。不到两个月的时间，旷视正式公布其上市计划。
-
-
超阿里、大华，澎思科技行人再识别（ReID）技术刷新三大数据集记录
近日，在行人再识别（Person Re-identification，简称ReID）算法上澎思科技取得了突破，在三大主流ReID数据集测试Market1501、DukeMTMC-reID和CUHK03中，算法关键指标首位命中率（Rank-1 Accuracy）刷新了世界纪录。
-
在包含众多人像的照片中，由于每个人的穿着和动作各异，同时人与人之间存在各种交互信息，以及所处的场景不同，我们通过肉眼来确定C位的时候可能会出现各种偏差。在人工智能快速发展的今天，我们能否可以通过AI来自动找出C位呢？答案当然是肯定的。在这篇文章中，我们将介绍如何利用计算机视觉和深度学习技术构建一个性能优异的C位检测器，从而快速准确地在一群人中发现真正站C位的那个最重要的人。
活动
-
2020.10.24
-
2020.06.02
-
2020.06.12
-
2020.07.04
精品推荐
热门推荐
学习资源
关于我们
关注「AI科技大本营」
转载 & 投稿（微信）：1092722531
商务合作（微信）：15222814505